La puntuación de la ecuación de riesgo de insuficiencia renal y las medidas de prestación de atención de la ERC: un estudio transversal
Feb 27, 2023
Justificación y objetivo:La 4-ecuación de riesgo de insuficiencia renal variable (KFRE) permite la predicción de la progresión de la enfermedad renal crónica (ERC) utilizando la edad, el sexo, la tasa de filtración glomerular estimada y la proporción de albúmina/creatinina en la orina. Los registros de salud electrónicos permiten el cálculo automático de KFRE y los registros permiten la aplicación a nivel de población. Evaluamos si las categorías de puntuación KFRE de 2-años están asociadas con las métricas de atención de la ERC.
Diseño del estudio:Cohorte transversal.
Entorno y participantes: este estudio incluyó a personas con ERC en marzo de 2020 que estaban recibiendo atención dentro del sistema Partners HealthCare en Massachusetts.
Resultados:La presencia de datos suficientes para calcular el KFRE y, entre aquellos con un puntaje KFRE, el desempeño en las métricas de atención clínica de la ERC, que incluyen (1) la prescripción de un inhibidor de la enzima convertidora de angiotensina o un bloqueador del receptor de angiotensina; (2) presión arterial en la meta (<140/90 mm Hg) based on clinic measurements; (3) composite metric of hepatitis B virus immunity; (4) composite metric of referral, evaluation, or waitlist status for kidney transplantation; (5) advance directive documentation; (6) yearly influenza vaccination; and (7) pneumonia vaccination.
Aproximación analítica: Se utilizó un análisis de regresión logística multivariable para analizar la asociación de la categoría de puntuación KFRE con las métricas de atención de la ERC.
Resultados:De 61 546 pacientes, 18 272 (30 por ciento) tenían puntajes KFRE de 2-años calculados automáticamente; los pacientes restantes carecían de puntajes KFRE debido a la ausencia de evaluación de albuminuria. Las personas con una puntuación KFRE tenían más probabilidades de tener un proveedor de atención primaria o un nefrólogo. Entre los pacientes con puntajes KFRE de 2-año, los pacientes de alto riesgo tenían mayores probabilidades de completar instrucciones anticipadas (OR, 1.52; IC del 95 por ciento, 1.07-2.17), mientras que los pacientes de bajo riesgo tenían menos probabilidades de vacunarse contra la influenza (OR, 0.85; IC del 95 por ciento, 0.{{20}}.97). Los pacientes con puntajes KFRE de riesgo moderado y alto tenían menos probabilidades de tener presión arterial en el objetivo (OR, {{30}}.77; IC del 95 por ciento, 0.61-0.96 y OR , 0,63; IC del 95 por ciento, 0,44-0,88, respectivamente).
Limitaciones: Es posible que los datos de albuminuria se hayan evaluado fuera del sistema de Partners.
Conclusiones:Una puntuación KFRE de mayor riesgo se asocia con la entrega de algunas pero no todas las medidas de atención de la ERC. Existe una oportunidad para mejorar la medición de la albuminuria.
La enfermedad renal crónica (ERC) es una condición de salud altamente morbosa, costosa y cada vez más común en todo el mundo, y de importancia, en algunos casos es susceptible de esfuerzos para retrasar la progresión.1La progresión de la ERC a enfermedad renal en etapa terminal (ESKD, por sus siglas en inglés) se puede retrasar y/o prevenir mediante la implementación de terapias basadas en la evidencia.2-6Para aquellos pacientes que hacen la transición a ESKD, la comprensión del riesgo de progresión de la ERC puede optimizar el momento de las intervenciones de atención, como inmunizaciones, colocación de acceso para diálisis y remisión y evaluación para trasplante de riñón.7,8La ecuación de riesgo de insuficiencia renal de Tangri (KFRE) puede predecir el riesgo de progresión de CKD a ESKD utilizando 4 variables: edad, sexo, tasa de filtración glomerular estimada (eGFR) y relación albúmina/creatinina en orina (UACR), y ha sido validada en múltiples cohortes internacionales.9,10
El KFRE se ha estudiado en el contexto del triaje basado en el riesgo para las referencias de nefrología para optimizar la capacidad de los sistemas de salud, y se han publicado propuestas para la adopción de la estratificación del riesgo de ERC en la atención primaria.11-14Es importante destacar que se ha reconocido que la medición de la albuminuria representa una limitación para los enfoques basados en el riesgo, dadas las tasas históricamente bajas de finalización de esta prueba.15 Los cálculos de riesgo automatizados basados en información clínica y de laboratorio fácilmente disponible pueden facilitar la prestación de atención.16 The Partners HealthCare El registro CKD del sistema (PHS) permite la autocompletación de la puntuación KFRE.
Intentamos comprender la asociación de la puntuación KFRE con las métricas de prestación de atención de la ERC entre los pacientes con ERC dentro de nuestro sistema de salud. En este estudio, examinamos la distribución del riesgo de progresión de la ERC, utilizando las puntuaciones KFRE en la población con ERC, y la asociación de la categoría de puntuación de riesgo KFRE con el desempeño en las medidas de atención de la ERC. Las medidas de atención incluyeron la prescripción de un inhibidor de la enzima convertidora de angiotensina (ACE-I) o un bloqueador del receptor de angiotensina (ARB); presión arterial en una meta de<140/90 mm Hg; documented immunity to hepatitis B virus; referral, evaluation, or waitlist status for kidney transplantation; and completion of advance directive documentation. Given that a large proportion of patients did not have KFRE scores because of the absence of UACR testing, we examined the factors associated with having had UACR testing within the past year to understand how to improve testing and increase KFRE utilization.
MÉTODOS
Configuración
PHS incluye 2 grandes centros médicos académicos y prácticas comunitarias de atención primaria y especializadas afiliadas en Massachusetts. El estudio se realizó bajo la exención de la junta de revisión institucional del PHS por cumplir con los requisitos de la investigación de mejora de la calidad.
Registro de Enfermedades Renales Crónicas de Partners HealthCare
El desarrollo y la validación del registro PHS CKD se han descrito anteriormente.17Los pacientes se incluyen en el registro de ERC en función de los datos clínicos y de facturación del registro de salud electrónico (EHR) de toda la red (sistemas EPIC). Los pacientes se clasifican con ERC si cumplen uno de los siguientes criterios: (1) eGFR más reciente<60 mL/min/1.73m2 and one additional eGFR <60 mL/min/1.73m2 at least 90 days prior; or (2) at least 2 values of urine total protein or urine albumin >300mg/g; o (3) ESKD o diálisis en la lista de problemas o como código de la Décima Revisión de la Clasificación Internacional de Enfermedades durante un encuentro. Los valores de proteína total en orina a creatinina se convierten a albúmina en orina a creatinina como se describió anteriormente.10
Definiciones
La raza se clasificó según la autoidentificación del paciente, según los datos demográficos del EHR. El EHR de EPIC Partners tiene clasificaciones para blanco, negro/afroamericano, hispano, asiático, indio americano o nativo de Alaska, hawaiano o isleño del Pacífico, otro, no disponible o rechazado. Se agruparon las personas indias americanas o nativas de Alaska y las hawaianas o de las islas del Pacífico, y se agruparon las personas con entradas en blanco, otras, no disponibles o rechazadas. La estadificación de la ERC se definió según las pautas de Kidney Disease Improving Global Outcomes.12 La etapa 3 de la ERC se definió como una TFGe de 30-59 ml/min/1,73 m2, el estadio 4 de la ERC se definió como una TFGe de 16-29 ml/min/1,73 m2, y el estadio 5 de la ERC se definió como una TFGe inferior o igual a 15 ml/min/1,73 m2. Las categorías de puntuación KFRE se adaptaron a partir de un marco sugerido producido por los investigadores originales de la puntuación KFRE.18 En este marco, los pacientes con una puntuación KFRE de riesgo 2-año de<3%, 3%-9.9%, 10%-39.9%, and ≥40% are categorized as very low, low, moderate, and high risk for progression to ESKD (Fig 1)
Métrica
Examinamos la asociación de la categoría de puntajes KFRE con 7 medidas de atención de la ERC elegidas para reflejar el espectro de atención desde la ERC temprana hasta la ERC tardía: (1) prescripción de un ACE-I o ARB; (2) métrica compuesta de inmunidad al virus de la hepatitis B por título o por documentación de la vacunación contra el virus de la hepatitis B; (3) métrica compuesta de remisión, evaluación o estado de lista de espera para trasplante de riñón; (4) completar la documentación de directivas anticipadas; (5) vacunación contra la influenza en el último año; (6) vacunación contra la neumonía; y (7) control de la presión arterial, definida como una presión arterial que se encuentra en un objetivo de sistólica inferior a 140 mm Hg y diastólica inferior a 90 mm Hg (Fig. 1).
Análisis estadístico
Se evaluaron las medianas, los rangos intercuartílicos y las proporciones en busca de tendencias en las características demográficas y clínicas entre los pacientes en las distintas categorías de puntuación KFRE. Después de la selección inicial de medidas de atención, una revisión preliminar de los datos reveló un número insuficiente de eventos para la métrica compuesta de colocación de catéter de hemodiálisis o colocación de fístula arteriovenosa.
Por lo tanto, no se realizó un modelo de regresión logística multivariable para esta métrica. Realizamos un análisis de regresión logística univariable para la asociación de factores individuales con varias métricas de atención. Analizamos la asociación de la categoría de puntuación KFRE con 5 medidas de atención de la ERC mediante un análisis de regresión logística multivariable. También ajustamos un modelo de regresión logística multivariable separado para la métrica de haberse realizado una prueba UACR. Se utilizó el análisis de caso completo en la selección de observaciones para todos los modelos de regresión logística multivariable. Todos los análisis estadísticos se realizaron utilizando Stata versión 15 (StataCorp). Se encontró que todos los modelos de regresión logística multivariable tenían un ajuste aceptable cuando se sometieron a la prueba de bondad de ajuste de Hosmer-Lemeshow.
RESULTADOS
Datos demográficos y características clínicas de los pacientes, estratificados por categoría de riesgo KFRE
Las características demográficas y clínicas de los pacientes se muestran en la Tabla 1. La mediana de edad (rango intercuartílico) en años de los pacientes en este estudio fue 77 (70-85); 34,750 (56.5 por ciento) eran mujeres, 53,384 (86.7 por ciento) eran blancos, 2,346 (3.8 por ciento) eran afroamericanos y 556 (0.9 por ciento) eran hispanos. Con respecto a las comorbilidades, 48.074 (78,1 por ciento) tenían hipertensión, 43.760 (71,1 por ciento) sobrepeso u obesidad, seguidos de 18.974 (30,8 por ciento) diabetes y 14.679 (23,9 por ciento) enfermedad arterial coronaria. Los pacientes que se encontraban en las categorías de riesgo moderado y alto eran más jóvenes y tenían más probabilidades de ser hombres. La proporción de pacientes no blancos fue más alta en la categoría de alto riesgo con 81 (15,9 por ciento). Las tasas de tabaquismo activo también aumentaron en las categorías de mayor riesgo.
Con respecto a las métricas avanzadas de atención de la ERC, hubo una tendencia hacia una mayor finalización de estas métricas en categorías de mayor riesgo, específicamente ubicación de acceso, remisión/evaluación/estado en lista de espera para trasplante, inmunización contra la hepatitis B y finalización de la documentación de instrucciones anticipadas; Orden de Massachusetts para tratamiento de soporte vital (formulario MOLST). Como se refleja en la Tabla 1, la finalización de MOLST varió del 10 por ciento en la categoría de muy bajo riesgo al 12,1 por ciento en la categoría de riesgo moderado y al 14,1 por ciento en la categoría de alto riesgo. Sin embargo, otras métricas como el uso de ACE-I/ARB, la vacunación contra la influenza y la vacunación contra la neumonía mostraron una tendencia hacia tasas reducidas con categorías de riesgo crecientes. Por ejemplo, según nuestras revisiones, el uso de ACE-I/ARB varió del 52,5 % en la categoría de muy bajo riesgo al 48,6 % en la categoría de riesgo moderado y al 43,4 % en la categoría de alto riesgo.
Asociación de métricas de atención con puntuación KFRE
Entre las 6 métricas de interés preespecificadas, solo 3 demostraron una asociación con la categoría de puntaje KFRE después del ajuste por otras variables en análisis de regresión logística multivariable. Se encontró que los pacientes en la categoría de alto riesgo tenían mayores probabilidades de completar el formulario MOLST, un documento de directivas anticipadas (Tabla 2; razón de probabilidades [OR], 1.52; IC del 95 por ciento, 1.07-2.17) . Se encontró que los pacientes en la categoría de bajo riesgo tenían menos probabilidades de haber recibido la vacuna contra la influenza en el último año (Tabla 3; OR, 0.85; IC del 95 por ciento, 0.{{16} }.97). Con respecto al control de la presión arterial, los pacientes de riesgo moderado y alto tenían probabilidades reducidas de tener presión arterial en un objetivo preespecificado de<140/90 mm Hg (Table 4; OR, 0.77; 95% CI, 0.61-0.96; OR, 0.63; 95% CI, 0.44-0.88, respectively).
Aunque la asociación de las medidas de atención con la puntuación KFRE no se encontró comúnmente, varias otras variables demostraron asociación con múltiples medidas de atención, en particular la presencia de un proveedor de atención dentro de la red, las comorbilidades y la raza del paciente (Tablas S1-S4) .
Medida de proceso de pruebas UACR completadas en el último año
De 61.546 pacientes, 18.272 (29,7 por ciento) tenían puntuaciones KFRE de 2-año y al resto le faltaban datos de UACR. Los pacientes con un proveedor de atención primaria (PCP) del PHS o un nefrólogo del PHS tenían mayores probabilidades de completar las pruebas, al igual que los pacientes con obesidad concomitante (OR, 1,08; IC del 95 por ciento, 1,02-1,14), diabetes (OR 6,39 ; IC del 95 por ciento 6.09-6.72), o hipertensión (OR, 1.45; IC del 95 por ciento, 1.36-1.54). Los pacientes asiáticos, afroamericanos e hispanos tenían mayores probabilidades de haber completado las pruebas que los pacientes blancos (Tabla S5)
DISCUSIÓN
En este estudio, encontramos que solo un tercio de los pacientes tenían sus puntuaciones de riesgo KFRE autocalculadas debido a la falta de pruebas anuales de UACR en más del 70 por ciento de la población. Solo 3 métricas de prestación de atención se asociaron con las categorías de puntuación de riesgo de KFRE: (1) finalización de directivas anticipadas, mayores probabilidades entre los pacientes de KFRE de categoría de alto riesgo 2-año; (2) vacunación contra la influenza, disminución de las probabilidades entre los pacientes KFRE de categoría de bajo riesgo 2-año; y (3) control de la presión arterial, disminución de las probabilidades de tener la presión arterial en el nivel ideal entre los pacientes de riesgo moderado y alto. También encontramos que la atención de proveedores dentro de la red está asociada con mayores probabilidades de pruebas anuales de UACR, así como otras métricas de prestación de atención.
Hasta donde sabemos, nuestro estudio es el primero en examinar si la puntuación KFRE está asociada con las métricas de prestación de atención. Los estudios hasta la fecha que examinan la aplicación del KFRE se han centrado en la clasificación basada en el riesgo con respecto a la atención de nefrología. En un estudio en Manitoba, Canadá, la mediana del número de derivaciones aumentó de 68 por mes a 94 por mes después de la aplicación de un límite basado en KFRE del 3 por ciento 5-año de riesgo para fines de clasificación. Además, la mediana de los tiempos de espera mejoró de 230 días a 58 días, lo que ilustra la eficacia de la clasificación basada en el riesgo para mejorar la accesibilidad a la atención de nefrología.11
Un estudio diseñado para evaluar el impacto clínico de la implementación de KFRE en una cohorte de estudio de ERC de atención primaria en el Reino Unido encontró que la aplicación de un límite basado en KFRE de más del 5 por ciento 5-año de riesgo amplía la elegibilidad para la remisión a nefrología en comparación con las guías existentes.12 Un ensayo controlado aleatorio grupal multicéntrico en curso planea evaluar el impacto de un enfoque de atención basado en el riesgo en el manejo de la ERC, incluido el uso de ACE-I/ARB, inhibidores del cotransportador de sodio-glucosa 2, manejo de la hipertensión y mitigación del riesgo cardiovascular.14
De acuerdo con otros estudios, mostramos que la ausencia de datos de UACR perjudica la aplicación generalizada de KFRE en toda una población. En nuestro estudio, las pruebas de UACR se asociaron con tener un nefrólogo o PCP dentro de la red y diabetes. Esto no es sorprendente, dado que es probable que haya una mayor conciencia sobre la importancia de la medición de la proteinuria en pacientes con diabetes y que la falta de interoperabilidad entre los sistemas de salud puede afectar la captura de UACR.
En el sistema de salud de Asuntos de Veteranos, menos del 50 % de los adultos con diabetes y menos del 30 % de los adultos con hipertensión se sometieron a pruebas de albuminuria en 2018.19 Kaiser Permanente del Sur de California encontró que solo el 32 % de los pacientes con ERC confirmada, definida como eGFR menos de 60 ml/min en 2 ocasiones separadas con al menos 90 días de diferencia, se sometieron a pruebas de UACR.20 Otro estudio reciente de un gran registro de CKD en Los Ángeles encontró que solo el 8.7 por ciento y el 4.1 por ciento de los pacientes tenían evaluaciones de albuminuria y proteinuria, respectivamente.21
En nuestro estudio, solo un tercio de la población total del registro se sometió a la prueba UACR, lo que permitió el cálculo de la puntuación KFRE y complicó la interpretación de las asociaciones encontradas en nuestro estudio. Los hallazgos de nuestra institución y otras demuestran que hay margen de mejora en los sistemas de salud de todo el país al evaluar el UACR e incorporarlo en los flujos de trabajo clínicos diarios. En un estado ideal, los datos completos de la UACR permitirían el cálculo del KFRE para toda la población de pacientes con ERC dentro de un sistema y permitirían la toma de decisiones en todo el sistema con respecto a la prestación de atención.
El uso generalizado de EHR ahora permite la estimación del riesgo entre poblaciones a través del cálculo automatizado de puntajes de riesgo, como el KFRE. A pesar de esto, hay evidencia limitada de una adopción generalizada basada en EHR del cálculo KFRE. Además, la notable falta de pruebas UACR generalizadas en pacientes con ERC, hipertensión y diabetes limita la capacidad de los sistemas de salud para adoptar el cálculo KFRE para una población de pacientes y aplicar la estratificación del riesgo para guiar la prestación de atención específica. Se necesitan esfuerzos para mejorar las pruebas de UACR. Los estudios han demostrado que los intentos sistemáticos para mejorar la tasa de finalización de las pruebas de UACR pueden tener éxito en comparación con los controles.16,22 Gran parte del enfoque para mejorar las pruebas de UACR se ha centrado en los PCP, pero como destaca nuestro estudio, los pacientes atendidos por nefrólogos son también a menudo carecen de pruebas anuales de UACR.
Una vez que mejoren las tasas de pruebas de UACR, los sistemas de atención médica deben garantizar el cálculo automatizado de KFRE para guiar a los médicos de atención primaria y nefrólogos con respecto al riesgo de progresión y la necesidad de atención oportuna de la ERC. Esto se puede realizar en el contexto de un registro basado en EHR, similar al de nuestra institución, o mediante el cálculo manual y la entrada por parte de proveedores de nivel medio en las solicitudes iniciales de derivación a nefrología, como se ha hecho en al menos 1 centro.11
En nuestro estudio, la puntuación KFRE se asoció con métricas de forma limitada (directrices anticipadas y vacunación antigripal). Esta falta general de asociación entre la puntuación KFRE y la prestación de atención muy probablemente refleja que nuestra institución, como muchas otras, no ha implementado formalmente la clasificación y atención basadas en el riesgo de los pacientes con ERC que utilizan la KFRE. Si el KFRE se estuviera utilizando para guiar la prestación de atención de la ERC, esperaríamos ver una asociación entre las categorías de puntuación de riesgo y las métricas de la prestación de atención, como se describe en la figura 1. Por ejemplo, veríamos mayores probabilidades de inmunidad contra la hepatitis B y trasplante para pacientes con una puntuación KFRE alta. Los datos sustanciales de UACR y KFRE que faltan hacen que la interpretación de las asociaciones que se encuentran aquí sea un desafío. En nuestro sistema, como en la mayoría de los demás, el paradigma de la prestación de atención de la ERC sigue siendo amplio en relación con las tendencias y los puntos de corte de la TFGe a nivel del paciente (es decir, un umbral de TFGe<20 mL/min/1.73 m2 is used for transplantation referral). We do acknowledge that some care delivery metrics, such as the prescription of ACE-Is or ARBs may decrease with a rising KFRE at higher stages of CKD.
La TFGe estática o la TFGe en tendencia se han empleado tradicionalmente para determinar la estadificación y las decisiones de prestación de atención. La puntuación del riesgo de progresión de ESKD está orientada al futuro y probablemente sea mejor que los límites estáticos basados en eGFR como criterio para la toma de decisiones de prestación de atención a nivel de paciente individual y población.
Proponemos un esfuerzo de varios pasos para mejorar el cálculo y la aplicación de KFRE (Fig. 2). Primero, abogamos por un enfoque a nivel de población para aumentar la medición de UACR. Esto podría implicar aprovechar un registro de ERC, algoritmos establecidos y coordinadores para identificar a los pacientes a los que les faltan las pruebas y ordenar las pruebas de UACR. Otro enfoque podría implicar una campaña educativa en todo el sistema dirigida tanto a los PCP como a los nefrólogos sobre la importancia de las pruebas UACR y las alertas de mejores prácticas basadas en EHR, que alertan cuando un paciente con ERC debe someterse a pruebas. El pedido de exclusión voluntaria puede ser una opción para mejorar las tasas de prueba.
En segundo lugar, se necesita el cálculo automático de KFRE y podría ocurrir dentro del contexto de un registro de CKD o como parte de los informes de eGFR y UACR. En tercer lugar, se debe incorporar una categoría de riesgo KFRE en el punto de atención tanto para los médicos de atención primaria como para los nefrólogos. Esto se puede lograr a través de alertas de mejores prácticas, frases inteligentes de documentación, lecturas de laboratorio y entradas de pedidos.
Finalmente, los sistemas de salud deben crear mejores prácticas o algoritmos relacionados con la prestación de atención recomendada en función del puntaje KFRE dirigido a los proveedores. Por ejemplo, una puntuación de riesgo de KFRE de moderada o alta guiaría a los médicos de atención primaria a derivar a nefrología. En otros estudios se han utilizado umbrales relativamente bajos del 3 al 5 por ciento a los 5 años.11,12 De manera similar, para los nefrólogos, una puntuación de riesgo KFRE alta guiaría a los nefrólogos a comenzar a planificar la terapia de reemplazo renal y la evaluación del trasplante.
Nuestro trabajo tiene varios puntos fuertes. El estudio examina una gran cohorte de pacientes con ERC y tiene datos disponibles para importantes medidas demográficas, clínicas, de laboratorio y de prestación de atención. Hubo una definición clara de las métricas clínicas relevantes para la atención de la ERC, lo que implicó una revisión iterativa por parte de los proveedores de atención primaria, nefrología y trasplante. Finalmente, pudimos calcular automáticamente e integrar las puntuaciones KFRE dentro de nuestro registro de CKD para comparar con las medidas de CKD relevantes. Nuestro registro ha incorporado las puntuaciones de KFRE desde 2017, lo que permite a los proveedores utilizar las métricas de prestación de atención de impacto y KFRE. Como resultado, nuestro análisis refleja un enfoque basado en la población para la predicción del riesgo para guiar el tratamiento.
La principal limitación de nuestro estudio es la falta de pruebas UACR generalizadas, que se ha observado a nivel nacional e internacional, lo que limita el uso amplio de la KFRE. Además, nuestro estudio incluye 1 sistema de salud, lo que puede limitar la generalización porque los patrones de práctica pueden variar. Además, algunos de nuestros datos pueden estar incompletos debido a la falta de interoperabilidad entre los EHR en nuestra área geográfica y la posibilidad de atención fragmentada. Finalmente, una cantidad relativamente pequeña de eventos limitó la cantidad de predictores que podrían incorporarse en el análisis de métricas compuestas de derivación para trasplante renal, evaluación o estado de lista de espera y, de manera similar, impidió el análisis de la colocación del acceso para diálisis.
Un esfuerzo concertado para mejorar la comprensión del riesgo de progresión a ESKD a nivel de la población requerirá pruebas mejoradas para UACR, así como la implementación y difusión de estrategias de prestación de atención basadas en el riesgo a nivel institucional, regional y potencialmente nacional. Los sistemas de atención médica que buscan incorporar el KFRE en el flujo de trabajo de atención de la ERC pueden tomar dos pasos clave que incluyen (1) el uso generalizado del cálculo automatizado del KFRE en las notas clínicas, las listas de citas clínicas y los centros de referencia de las clínicas y (2) el desarrollo de algoritmos de mejores prácticas para ayudar a los proveedores de primera línea a cumplir con la implementación oportuna de las medidas de atención.
Las pruebas mejoradas de UACR pueden permitir la evaluación de KFRE en una mayor proporción de la población, y la estratificación de riesgo de KFRE puede guiar la prestación de atención importante a los pacientes con ERC. Mediante la implementación de una ruta clara de prestación de atención definida por la estratificación de riesgo de KFRE, la prestación de atención de la ERC basada en el riesgo puede facilitarse para toda la población.
MATERIAL SUPLEMENTARIO
Tabla S1: Regresión logística multivariable: tabla de vacunas contra la neumonía
S2: Regresión logística multivariable-Tabla de inmunidad del VHB
S3: Tabla de uso de regresión logística multivariable-ACE-I/ARB
S4: Regresión logística multivariable para el resultado compuesto de derivación para trasplante renal, evaluación o estado en lista de espera. Mesa
S5: Regresión logística multivariable: prueba completa de la proporción de albúmina/creatinina en orina (UACR) en el último año
INFORMACIÓN DEL ARTÍCULO
Nombres completos y grados académicos de los autores: Salman Ahmed, MD, MPH, Suraj Sarvode Mothi, BE, MPH, Thomas Sequist, MD, MPH, Navdeep Tangri, MD, Ph.D., Roaa M. Khinkar, PharmD y Mallika L Mendu, MD, MBA.
Afiliaciones de los autores: División de Medicina Renal, Brigham and Women's Hospital, Harvard Medical School, Boston, MA (SA, SSM, MLM); Departamento de Medicina, Brigham and Women's Hospital, Harvard Medical School, Boston, MA (TS); Departamento de Calidad y Seguridad, Brigham and Women's Hospital, Harvard Medical School, Boston, MA (TS, RMK, MLM); Partners HealthCare, Departamento de Calidad, Experiencia del Paciente y Equidad, Boston, MA (TS); Centro de Innovación de Enfermedades Crónicas, Hospital General Seven Oaks, Winnipeg, Manitoba, Canadá (NT); Departamento de Práctica Farmacéutica, Facultad de Farmacia, Universidad King Abdulaziz, Jeddah, Arabia Saudita (RMK); Partners HealthCare, Centro para la Salud de la Población, Boston, MA (MLM)
Dirección para correspondencia: Roaa M. Khinkar, PharmD, Department of Pharmacy Practice, Facultad de Farmacia, King Abreviaturas: eGFR, tasa de filtración glomerular estimada; VHB, virus de la hepatitis B; KFRE, ecuación de riesgo de insuficiencia renal; PCP, proveedores de atención primaria; UACR: cociente albúmina/creatinina en orina. 8 Riñón Med Vol 4|número 1|Enero de 2022 Universidad Ahmed et al Abdulaziz, Jeddah, Arabia Saudita. Correo electrónico: rkhinkar@kau.edu. sa
Contribuciones de los autores: Diseño del estudio: SA, MLM, NT; adquisición de datos: SA; análisis estadístico: SSM; análisis e interpretación de datos: SA, SSM, TS, NT, RMK, MLM. Cada autor contribuyó con contenido intelectual importante durante la redacción o revisión del manuscrito y acepta la responsabilidad del trabajo general al garantizar que las preguntas relacionadas con la precisión o integridad de cualquier parte del trabajo se investiguen y resuelvan adecuadamente.
Soporte: Ninguno.
Divulgación financiera: Los autores declaran que no tienen intereses financieros relevantes.
Revisión por pares: recibido el 10 de mayo de 2021. Evaluado por 2 revisores pares externos, con aportes editoriales directos de un editor estadístico, un editor asociado y el editor en jefe. Aceptado en forma revisada el 18 de agosto de 2021.
REFERENCIAS
1. Bikbov B, Purcell CA, Levey AS. Carga mundial, regional y nacional de la enfermedad renal crónica, 1990-2017: un análisis sistemático para el Estudio de la carga mundial de la enfermedad 2017. Lancet. 2020;395(10225):709-733.
2. Levey AS, Rocco MV, Anderson S. K/DOQI guías de práctica clínica sobre hipertensión y agentes antihipertensivos en la enfermedad renal crónica. Am J enfermedad renal. 2004;43(5)(suplemento 1): S1-S290.
3. Orth SR. Efectos del tabaquismo sobre la hemodinámica sistémica e intrarrenal: influencia sobre la función renal. J Am Soc Nephrol. 2004;15(suplemento 1):S58-S63.
4. Orth SR, Hallan SI. Tabaquismo: un factor de riesgo para la progresión de la enfermedad renal crónica y para la morbimortalidad cardiovascular en pacientes renales: ¿ausencia de evidencia o evidencia de ausencia? Clin J Am Soc Nephrol. 2008;3(1):226-236.
5. De Brito-Ashurst I, Varagunam M, Raftery MJ, Yaqoob MM. La suplementación con bicarbonato retarda la progresión de la ERC y mejora el estado nutricional. J Am Soc Nephrol. 2009;20(9): 2075-2084.
6. Zelniker TA, Wiviott SD, Raz I, et al. Inhibidores de SGLT2 para la prevención primaria y secundaria de resultados cardiovasculares y renales en la diabetes tipo 2: una revisión sistemática y metanálisis de ensayos de resultados cardiovasculares. Lanceta. 2019;393(10166):31-39.
7. Levin A, Lewis M, Mortiboy P, et al. Programas multidisciplinarios de prediálisis: cuantificación y limitaciones de su impacto en los resultados de los pacientes en dos entornos canadienses. Am J enfermedad renal. 1997;29(4):533-540.
8. Curtis BM, Ravani P, Malberti F, et al. El impacto a corto y largo plazo de las clínicas multidisciplinarias además de la atención estándar de nefrología en los resultados de los pacientes. Trasplante Nephrol Dial. 2005;20(1):147-154.
9. Tangri N, Stevens LA, Griffith J, et al. Un modelo predictivo para la progresión de la enfermedad renal crónica a la insuficiencia renal. JAMA. 2011;305(15):1553-1559.
10. Tangri N, Grams ME, Levey AS, et al. Evaluación multinacional de la precisión de las ecuaciones para predecir el riesgo de insuficiencia renal: un metanálisis. JAMA. 2016;315(2):164-174.
11. Hingwala J, Wojciechowski P, Hiebert B, et al. Triaje basado en el riesgo para derivaciones a nefrología utilizando la ecuación de riesgo de insuficiencia renal. Can J Kidney Health Dis. 2017;4: 2054358117722782.
12. Mayor RW, Shepherd D, Medcalf JF, Xu G, Gray LJ, Brunskill NJ. La ecuación de riesgo de insuficiencia renal para la predicción de la enfermedad renal en etapa terminal en la atención primaria del Reino Unido: una validación externa y un estudio de cohorte de proyección de impacto clínico. PLOS Med. 2019;16(11):e1002955.
13. Bhachu HK, Cockwell P, Subramanian A, Nirantharakumar K, Kyte D, Calvert M. Estudio de observación transversal para investigar el impacto de la estratificación basada en el riesgo en las vías de atención para pacientes con enfermedad renal crónica: documento de protocolo. Abierto BMJ. 2019;9(6):e027315.
14. Harasemiw O, Drummond N, Singer A, et al. Integración de la atención basada en el riesgo para pacientes con enfermedad renal crónica en la comunidad: protocolo de estudio para un ensayo aleatorizado por grupos. Can J Kidney Health Dis. 2019;6:2054358119841611.
15. Bello AK, Ronksley PE, Tangri N, et al. Calidad del manejo de la enfermedad renal crónica en la atención primaria canadiense. Abierto de la Red JAMA. 2019;2(9):e1910704.
16. Tuot DS, McCulloch CE, Velasquez A, et al. Impacto de un registro de ERC de atención primaria en un sistema de prestación de atención médica de red de seguridad de salud pública de EE. UU.: un ensayo aleatorio pragmático. Am J enfermedad renal. 2018;72(2):168-177.
17. Mendu ML, Ahmed S, Maron JK, et al. Desarrollo de un registro electrónico de enfermedades renales crónicas basado en la historia clínica para promover la gestión de la salud de la población. BMC Nephrol. 2019;20(1):72.
18. Tangri N, Ferguson T, Pro KP. Ventaja: las puntuaciones de riesgo para la progresión de la enfermedad renal crónica son sólidas, potentes y están listas para su implementación. Trasplante Nephrol Dial. 2017;32:748- 751.
19. Centros para el Control y la Prevención de Enfermedades. Sistema de vigilancia de la enfermedad renal crónica—Estados Unidos. Consultado el 22 de enero de 2021. http://www.cdc.gov/ckd
20. Sim JJ, Batech M, Danforth KN, Rutkowski MP, Jacobsen SJ, Kanter MH. Resultados de la enfermedad renal en etapa terminal entre el programa de seguridad de la creatinina de Kaiser Permanente en el sur de California (creatinine SureNet): oportunidades para reflexionar y mejorar. Perm J. 2017;21:16-143.
21. Tuttle KR, Alicic RZ, Duru OK, et al. Características clínicas y factores de riesgo de la enfermedad renal crónica en adultos y niños: un análisis del registro CURE-CKD. Abierto de la Red JAMA. 2019;2(12):e1918169.
22. Mendu ML, Schneider LI, Aizer AA, et al. Implementación de una lista de verificación de ERC para proveedores de atención primaria. Clin J Am Soc Nephrol. 2014;9(9):1526-1535.
DE:Salman Ahmed, Suraj Sarvode Mothi, Thomas Sequist, Navdeep Tangri, Roaa M. Khinkar y Mallika L. Mend